資源描述：
《基于條件隨機(jī)場(chǎng)的植物細(xì)胞追蹤算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、學(xué)校代號(hào)10532學(xué)號(hào)S150900789分類號(hào)TP391密級(jí)公開(kāi)碩士學(xué)位論文基于條件隨機(jī)場(chǎng)的植物細(xì)胞追蹤算法研究學(xué)位申請(qǐng)人姓名韋楊柳培養(yǎng)單位電氣與信息工程學(xué)院導(dǎo)師姓名及職稱劉敏教授學(xué)科專業(yè)控制科學(xué)與工程研究方向模式識(shí)別與圖像處理論文提交日期2018年5月11日學(xué)校代號(hào)：10532學(xué)號(hào)：S150900789密級(jí)：公開(kāi)湖南大學(xué)碩士學(xué)位論文基于條件隨機(jī)場(chǎng)的植物細(xì)胞追蹤算法研究學(xué)位申請(qǐng)人姓名：韋楊柳導(dǎo)師姓名及職稱：劉敏教授培養(yǎng)單位：電氣與信息工程學(xué)院專業(yè)名稱：控制科學(xué)與工程論文提交日期：2018年5月11日論文答辯日期：2018年5月
2、15日答辯委員會(huì)主席：劉小燕教授RobustPlantCellTrackinginImageSequencesUsingConditionalRandomFieldbyWEIYangliuB.E.(HunanUniversity)2015AthesissubmittedinpartialsatisfactionoftheRequirementsforthedegreeofMasterofEngineeringinControlScienceandEngineeringintheGraduateSchoolofHunanUnive
3、rsitySupervisorProfessor:LiuMinMay,2018湖南大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究所取得的研究成果。除了文中特別加以標(biāo)注引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫(xiě)的成果作品。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。本人完全意識(shí)到本聲明的法律后果由本人承擔(dān)。作者簽名：日期：年月日學(xué)位論文版權(quán)使用授權(quán)書(shū)本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版
4、，允許論文被查閱和借閱。本人授權(quán)湖南大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。本學(xué)位論文屬于1、保密□，在______年解密后適用本授權(quán)書(shū)。2、不保密□。(請(qǐng)?jiān)谝陨舷鄳?yīng)方框內(nèi)打“√”)作者簽名：日期：年月日導(dǎo)師簽名：日期：年月日I基于條件隨機(jī)場(chǎng)的植物細(xì)胞追蹤算法研究摘要基于光學(xué)顯微成像技術(shù)的植物活細(xì)胞生長(zhǎng)發(fā)育規(guī)律的研究，對(duì)生命科學(xué)基礎(chǔ)研究具有重大的意義。因此，對(duì)共聚焦顯微鏡圖像中細(xì)胞追蹤算法的研究具有非常重要的理論和應(yīng)用價(jià)值。本論文研究的對(duì)象是由共聚焦顯微
5、鏡采集的植物頂端分生組織(ShootApicalMeristems，SAM)的細(xì)胞圖像，植物體的其他組織和器官均由頂端分生組織的細(xì)胞增生和分化而來(lái)，對(duì)它的研究有利于人類進(jìn)一步掌握農(nóng)作物的生長(zhǎng)發(fā)育規(guī)律。本文對(duì)植物細(xì)胞圖像的分割、配準(zhǔn)和細(xì)胞追蹤進(jìn)行了深入的研究，其主要難點(diǎn)在于：①細(xì)胞呈高度密集蜂窩狀排布，且圖像中噪聲較多；②細(xì)胞的形狀大小具有隨機(jī)性，且顏色和灰度信息也非常相似，因此很難提取到有明顯區(qū)分度的特征；③前期算法在匹配過(guò)程中，易出現(xiàn)錯(cuò)誤積累的問(wèn)題；④細(xì)胞在分裂時(shí)，自身特征發(fā)生了跳躍性的變化，對(duì)追蹤造成一定的困難。因此，針對(duì)上
6、述難點(diǎn)，本文完成的主要工作如下：首先，使用分水嶺算法對(duì)圖像進(jìn)行分割，該算法能有效分割出大部分細(xì)胞的邊界。其次，本文提出了一種基于局部拓?fù)浣Y(jié)構(gòu)的特征點(diǎn)提取方法，并使用基于特征點(diǎn)匹配的配準(zhǔn)方法進(jìn)行配準(zhǔn)，該方法有效避免了因圖像旋轉(zhuǎn)導(dǎo)致的鄰細(xì)胞標(biāo)號(hào)對(duì)應(yīng)錯(cuò)誤的問(wèn)題，提高了所找到特征點(diǎn)的準(zhǔn)確性，有效的配準(zhǔn)工作為細(xì)胞追蹤打下了堅(jiān)實(shí)基礎(chǔ)。最后，在細(xì)胞追蹤方面，本文提出了一種基于條件隨機(jī)場(chǎng)的動(dòng)態(tài)調(diào)整匹配算法對(duì)含有噪聲的細(xì)胞圖像進(jìn)行細(xì)胞追蹤：(1)在蜂窩狀結(jié)構(gòu)的細(xì)胞圖像中建立條件隨機(jī)場(chǎng)模型，利用細(xì)胞與其相鄰細(xì)胞在空間上的緊密拓?fù)潢P(guān)系，以及時(shí)域中相鄰
7、幀圖像間的相互關(guān)系作為上下文信息對(duì)細(xì)胞進(jìn)行追蹤；(2)本文針對(duì)含有噪聲的細(xì)胞圖像追蹤易出現(xiàn)匹配錯(cuò)誤的問(wèn)題，提出了動(dòng)態(tài)調(diào)整匹配的算法，即在每次匹配的過(guò)程中，選取已匹配細(xì)胞的鄰細(xì)胞作為候選細(xì)胞，然后只匹配其中最優(yōu)的那一對(duì)細(xì)胞。該方法有效改善了先前方法在匹配過(guò)程中錯(cuò)誤累積的問(wèn)題，提高了追蹤的準(zhǔn)確率。本文提出的追蹤算法充分利用了細(xì)胞自身的特征、細(xì)胞與鄰細(xì)胞之間的空間結(jié)構(gòu)信息、以及時(shí)域上前后兩幀細(xì)胞的約束條件。實(shí)驗(yàn)證明，該算法在原圖像含有噪聲情況下，具有較高追蹤準(zhǔn)確率和穩(wěn)定性。與之前提出的方法相比，本文所提出的方法在噪聲細(xì)胞圖像中追蹤正確
8、率提高了約10%。關(guān)鍵詞：細(xì)胞追蹤；條件隨機(jī)場(chǎng)；動(dòng)態(tài)調(diào)整；噪聲細(xì)胞圖像序列II碩士學(xué)位論文AbstractTheresearchonplantgrowthbasedonopticalmicroscopicimagingtechnologyisofhugesign
